买股票的最佳时机(动态规划python实现)
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易(即买入和卖出一支股票),设计一个算法来计算你所能获取的最大利润。
注意你不能在买入股票前卖出股票。
示例 1:
输入: [7,1,5,3,6,4]
输出: 5
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。
示例 2:
输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
分析
这是一道动态规划题:
递推方程可用下面的方式表示:
前i天的最大收益 = max(前i-1天的最大收益,第i天的价格-前i-1天中的最小价格)
dp[i] 表示 如果第i天抛出股票, 所得到的最大收益,那么递推方程可以表示为:
dp[i] = max(dp[i-1],prices[i] - min(prices[0:i]))
此时提交的话,会超时,原因在于没使用递推方程一次,就调用一次min(prices[0:i],这将耗费大量的时间,我们可以做这样的调整,每次都用temp保存前i-2天中的最小价格,然后每次只需要用temp和prices[i]进行比较即可得到前i-1天中的最小价格,这样就可以通过了
解答
class Solution:
def maxProfit(self, prices):
dp = [0]
if not bool(prices):
return 0
else:
temp = prices[0]
for i in range(1,len(prices)):
temp = min(temp,prices[i])
dp.append(max(dp[i-1],prices[i] - temp))
return max(dp)